8.1.2樣本相關(guān)系數(shù)課件高二下學(xué)期數(shù)學(xué)人教A版選擇性_第1頁(yè)
8.1.2樣本相關(guān)系數(shù)課件高二下學(xué)期數(shù)學(xué)人教A版選擇性_第2頁(yè)
8.1.2樣本相關(guān)系數(shù)課件高二下學(xué)期數(shù)學(xué)人教A版選擇性_第3頁(yè)
8.1.2樣本相關(guān)系數(shù)課件高二下學(xué)期數(shù)學(xué)人教A版選擇性_第4頁(yè)
8.1.2樣本相關(guān)系數(shù)課件高二下學(xué)期數(shù)學(xué)人教A版選擇性_第5頁(yè)
已閱讀5頁(yè),還剩20頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

樣本相關(guān)系數(shù)8.1成對(duì)數(shù)據(jù)的統(tǒng)計(jì)相關(guān)性統(tǒng)計(jì)學(xué)的核心如何探知由觀察數(shù)據(jù)獲取的知識(shí)中的不確定性的度量;如何明確在最小損失下的最優(yōu)決策.學(xué)習(xí)目標(biāo)核心素養(yǎng)1.結(jié)合實(shí)例,會(huì)通過相關(guān)系數(shù)比較多組成對(duì)數(shù)據(jù)的相關(guān)性數(shù)據(jù)分析2.了解線性樣本相關(guān)系數(shù)r的求解公式,并會(huì)初步應(yīng)用數(shù)學(xué)抽象數(shù)學(xué)運(yùn)算

通過觀察散點(diǎn)圖中成對(duì)樣本數(shù)據(jù)的分布規(guī)律,我們可以大致推斷兩個(gè)變量是否存在相關(guān)關(guān)系、是正相關(guān)還是負(fù)相關(guān)、是線性相關(guān)還是非線性相關(guān)等.散點(diǎn)圖雖然直觀,但無(wú)法確切地反映成對(duì)樣本數(shù)據(jù)的相關(guān)程度,也就無(wú)法量化兩個(gè)變量之間相關(guān)程度的大?。芊裣褚肫骄怠⒎讲畹葦?shù)字特征對(duì)單個(gè)變量數(shù)據(jù)進(jìn)行分析那樣,引入一個(gè)適當(dāng)?shù)摹皵?shù)字特征”,對(duì)成對(duì)樣本數(shù)據(jù)的相關(guān)程度進(jìn)行定量分析呢?新課引入溫故知新xy

利用上述方法處理表8.1-1中的數(shù)據(jù),得到圖8.1-3.我們發(fā)現(xiàn),這時(shí)的散點(diǎn)大多數(shù)分布在第一象限、第三象限,大多數(shù)散點(diǎn)的橫、縱坐標(biāo)同號(hào).顯然,這樣的規(guī)律是由人體脂肪含量與年齡正相關(guān)所決定的.編號(hào)1234567年齡/歲23273941454950脂肪含量/%9.517.821.225.927.526.328.2編號(hào)891011121314年齡/歲53545657586061脂肪含量/%29.630.231.430.833.535.234.2O(1)O(2)圖8.1-4

一般地,如果變量x和y正相關(guān),那么關(guān)于均值平移后的大多數(shù)散點(diǎn)將分布在第一象限、第三象限,對(duì)應(yīng)的成對(duì)數(shù)據(jù)同號(hào)的居多,如圖8.1-4(1)所示;如果變量x和y負(fù)相關(guān),那么關(guān)于均值平移后的大多數(shù)散點(diǎn)將分布在第二象限、第四象限,對(duì)應(yīng)的成對(duì)數(shù)據(jù)異號(hào)的居多,如圖8.1-4(2)所示.探究1:觀察分析

感知新概念思考(P97):根據(jù)上述分析.你能利用正相關(guān)變量和負(fù)相關(guān)變量的成對(duì)樣本數(shù)據(jù)平移后呈現(xiàn)的規(guī)律,構(gòu)造一個(gè)度量成對(duì)樣本數(shù)據(jù)是正相關(guān)還是負(fù)相關(guān)的數(shù)字特征嗎?

因?yàn)長(zhǎng)xy的大小與數(shù)據(jù)的度量單位有關(guān),所以不宜直接用它度量成對(duì)樣本數(shù)據(jù)相關(guān)程度的大?。纾谘芯矿w重與身高之間的相關(guān)程度時(shí),如果體重的單位不變,把身高的單位由米改為厘米,則相應(yīng)的Lxy將變?yōu)樵瓉?lái)的100倍,但單位的改變并不會(huì)導(dǎo)致體重與身高之間相關(guān)程度的改變.探究2:抽象概括,形成概念思考(P98):你認(rèn)為L(zhǎng)xy的大小一定能度量成對(duì)樣本數(shù)據(jù)相關(guān)程度嗎?我們稱r為變量x和變量y的樣本相關(guān)系數(shù)(samplecorrelationcoefficient).探究3:樣本相關(guān)系數(shù)的定義

這樣,我們利用成對(duì)樣本數(shù)據(jù)構(gòu)造了樣本相關(guān)系數(shù)r.樣本相關(guān)系數(shù)r是一個(gè)描述成對(duì)樣本數(shù)據(jù)的數(shù)字特征,它的正負(fù)性和絕對(duì)值的大小可以反映成對(duì)樣本數(shù)據(jù)的變化特征:當(dāng)r>0時(shí),稱成對(duì)樣本數(shù)據(jù)正相關(guān).這時(shí),當(dāng)其中一個(gè)數(shù)據(jù)的值變小時(shí),另一個(gè)數(shù)據(jù)的值通常也變??;當(dāng)其中一個(gè)數(shù)據(jù)的值變大時(shí),另一個(gè)數(shù)據(jù)的值通常也變大.當(dāng)r<0時(shí),稱成對(duì)樣本數(shù)據(jù)負(fù)相關(guān).這時(shí),當(dāng)其中一個(gè)數(shù)據(jù)的值變小時(shí),另一個(gè)數(shù)據(jù)的值通常會(huì)變大;當(dāng)其中一個(gè)數(shù)據(jù)的值變大時(shí),另一個(gè)數(shù)據(jù)的值通常會(huì)變小.

探究4:樣本相關(guān)系數(shù)的性質(zhì)探究:樣本相關(guān)系數(shù)r的大小與成對(duì)樣本數(shù)據(jù)的相關(guān)程度有什么內(nèi)在聯(lián)系呢?為此,我們先考察一下r的取值范圍.模式聯(lián)想,類比探究,拓廣探索探究4.1:樣本相關(guān)系數(shù)與標(biāo)準(zhǔn)化數(shù)據(jù)夾角的關(guān)系類比探究,拓廣探索探究4.1:樣本相關(guān)系數(shù)與標(biāo)準(zhǔn)化數(shù)據(jù)夾角的關(guān)系探究4.2:深度學(xué)習(xí):辨析理解,深化概念奇怪?

由此可見,樣本相關(guān)系數(shù)r的取值范圍為[-1,1].樣本相關(guān)系數(shù)的絕對(duì)值大小可以反映成對(duì)樣本數(shù)據(jù)之間線性相關(guān)的程度:當(dāng)|r|越接近1時(shí),成對(duì)樣本數(shù)據(jù)的線性相關(guān)程度越強(qiáng);當(dāng)|r|越接近0時(shí),成對(duì)樣本數(shù)據(jù)的線性相關(guān)程度越弱.探究4.3:樣本相關(guān)系數(shù)的性質(zhì)深度學(xué)習(xí)小結(jié)1.相關(guān)系數(shù):2.當(dāng)r>0時(shí),表明兩個(gè)變量正相關(guān);當(dāng)r<0時(shí),表明兩個(gè)變量負(fù)相關(guān)。3.判斷線性相關(guān)關(guān)系強(qiáng)弱的方法:(1)定量分析:

r的絕對(duì)值越接近1,則兩個(gè)變量的線性相關(guān)性越強(qiáng);r的絕對(duì)值接近0時(shí),兩個(gè)變量幾乎不存在線性相關(guān)關(guān)系。(2)定性分析:相關(guān)關(guān)系強(qiáng)弱體現(xiàn)在散點(diǎn)圖中就是樣本點(diǎn)越集中在某直線的附近,兩變量的相關(guān)程度越強(qiáng)r∈[-1,1]請(qǐng)分析:圖8.1-5是不同成對(duì)樣本數(shù)據(jù)的散點(diǎn)圖和相應(yīng)的樣本相關(guān)系數(shù).運(yùn)用探究圖(2)中的散點(diǎn)有明顯的從左上角到右下角沿直線分布的趨勢(shì),說(shuō)明成對(duì)樣本數(shù)據(jù)也呈現(xiàn)出線性相關(guān)關(guān)系;樣本相關(guān)系數(shù)r=-0.85,表明成對(duì)樣本數(shù)據(jù)的負(fù)線性相關(guān)程度比較強(qiáng).從樣本相關(guān)系數(shù)來(lái)看,圖(1)中成對(duì)樣本數(shù)據(jù)的線性相關(guān)程度要比圖(2)中強(qiáng)一些;圖(1)中的散點(diǎn)有明顯的從左下角到右上角沿直線分布的趨勢(shì),說(shuō)明成對(duì)樣本數(shù)據(jù)呈現(xiàn)出線性相關(guān)關(guān)系;樣本相關(guān)系數(shù)r=0.97,表明成對(duì)樣本數(shù)據(jù)的正線性相關(guān)程度很強(qiáng).圖(3)和圖(4)中的成對(duì)樣本數(shù)據(jù)的線性相關(guān)程度很弱,其中圖(4)中成對(duì)樣本數(shù)據(jù)的線性相關(guān)程度極弱.你能推導(dǎo)嗎?拓展探索、深度學(xué)習(xí)探究4.4:探究5:深度學(xué)習(xí):相關(guān)系數(shù)的公式(1)估計(jì)該林區(qū)這種樹木平均一棵的根部橫截面積與平均一棵的材積量;(2)求該林區(qū)這種樹木的根部橫截面積與材積量的樣本相關(guān)系數(shù)(精確到0.01);(3)現(xiàn)測(cè)量了該林區(qū)所有這種樹木的根部橫截面積,并得到所有這種樹木的根部橫截面積總和為

.已知樹木的材積量與其根部橫截面積近似成正比.利用以上數(shù)據(jù)給出該林區(qū)這種樹木的總材積量的估計(jì)值.附:相關(guān)系數(shù)例1.某地經(jīng)過多年的環(huán)境治理,已將荒山改造成了綠水青山.為估計(jì)一林區(qū)某種樹木的總材積量,隨機(jī)選取了10棵這種樹木,測(cè)量每棵樹的根部橫截面積(單位:

)和材積量(單位:

),得到如下數(shù)據(jù):(1)估計(jì)該林區(qū)這種樹木平均一棵的根部橫截面積與平均一棵的材積量;(2)求該林區(qū)這種樹木的根部橫截面積與材積量的樣本相關(guān)系數(shù)(精確到0.01);附:相關(guān)系數(shù)深度學(xué)習(xí)例1.某地經(jīng)過多年的環(huán)境治理,已將荒山改造成了綠水青山.為估計(jì)一林區(qū)某種樹木的總材積量,隨機(jī)選取了10棵這種樹木,測(cè)量每棵樹的根部橫截面積(單位:

)和材積量(單位:

),得到如下數(shù)據(jù):(3)現(xiàn)測(cè)量了該林區(qū)所有這種樹木的根部橫截面積,并得到所有這種樹木的根部橫截面積總和為

.已知樹木的材積量與其根部橫截面積近似成正比.利用以上數(shù)據(jù)給出該林區(qū)這種樹木的總材積量的估計(jì)值.練習(xí):近年來(lái),隨著互聯(lián)網(wǎng)的發(fā)展,諸如“滴滴打車”“神州專車”等網(wǎng)約車服務(wù)在我國(guó)各城市迅猛發(fā)展,為人們出行提供了便利,但也給城市交通管理帶來(lái)了一些困難.為掌握網(wǎng)約車在M省的發(fā)展情況,M省某調(diào)查機(jī)構(gòu)從該省抽取了5個(gè)城市,分別收集和分析了網(wǎng)約車的A,B兩項(xiàng)指標(biāo)數(shù)(i=1,2,3,4,5),數(shù)據(jù)如下表所示:試求y與x之間的相關(guān)系數(shù)r,并

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論